评测内容

OpenAI 发布生活场景评测集 LifeVal，覆盖育儿、医疗、购物、理财、教育等领域，考察 AI 完成找幼儿园、买菜、办理政府福利、照护病人等多步骤任务的能力。测试内容参考各国居民时间分配调查，并采集 3995 人意愿确定。

得分表现

  • GPT-5.2：49.3%

  • GPT-5.4：73%

  • GPT-5.6：80%

  • GPT-6 Astra：80.6%


Astra 较 GPT-5.6 仅提升 0.6 个百分点，增长明显放缓。

案例与定位

官方示例中，AI 帮家庭找房得 100 分，能匹配预算与通勤要求、计算交易税并生成待审文件；挑选幼儿园得 93.1 分，筛出三家候选并整理入学信息。

LifeVal 此前已用于指导模型迭代，目前仍为 OpenAI 自设自评的内部测试，尚未引入第三方基准验证。